OrangeEconomy
Mahonry
22/4/2020
Las industrias creativas y culturales, lo que se conoce como Economía Naranja, es el conjunto de actividades que de manera encadenada, permiten que las ideas se transformen en bienes y servicios, cuyo valor puede estar basado en la propiedad intelectual.
La Economía Naranja tiene el talento y la creatividad como insumo principal y es capaz de generar empleo, riqueza y tener un impacto en la calidad de vida.
Comprende entre otras, la industria del arte, arquitectura, cine, diseño, publicidad, televisión, editorial, el teatro, la animación, los videos juegos, la música, la moda, la gastronomía, las artesanías, el turismo y patrimonio cultural.
Empezemos creando un resumen de las variables a analizar y su explicación.
orangeec <- read.csv("./data/orangeec.csv", header = TRUE, sep =",")
#data("orangeec")
summary(orangeec)## Country GDP.PC GDP.US.bill GDP.Growth..
## Argentina: 1 Min. : 5600 Min. : 13.7 Min. :0.800
## Belize : 1 1st Qu.: 8300 1st Qu.: 37.1 1st Qu.:2.000
## Bolivia : 1 Median :13300 Median : 75.7 Median :2.800
## Brazil : 1 Mean :14053 Mean : 188693.0 Mean :2.959
## Chile : 1 3rd Qu.:19900 3rd Qu.: 309.2 3rd Qu.:4.200
## Colombia : 1 Max. :25400 Max. :2055000.0 Max. :5.400
## (Other) :11
## Services...GDP Creat.Ind...GDP Inflation Unemployment
## Min. :50.00 Min. :1.000 Min. : 0.400 Min. : 2.300
## 1st Qu.:56.90 1st Qu.:2.000 1st Qu.: 1.600 1st Qu.: 5.500
## Median :62.20 Median :2.600 Median : 3.400 Median : 6.700
## Mean :62.64 Mean :3.291 Mean : 4.365 Mean : 6.794
## 3rd Qu.:64.90 3rd Qu.:3.950 3rd Qu.: 4.300 3rd Qu.: 8.100
## Max. :82.00 Max. :7.400 Max. :25.700 Max. :11.800
## NA's :6
## X..pop.below.poverty.line Internet.penetration...population Median.age
## Min. : 4.20 Min. :38.20 Min. :22.10
## 1st Qu.:21.70 1st Qu.:57.70 1st Qu.:25.70
## Median :25.70 Median :69.70 Median :28.20
## Mean :27.65 Mean :68.42 Mean :28.28
## 3rd Qu.:32.70 3rd Qu.:79.90 3rd Qu.:31.30
## Max. :59.30 Max. :93.10 Max. :35.00
##
## X..pop.25.54 Education.invest...GDP
## Min. :34.12 Min. :2.800
## 1st Qu.:39.23 1st Qu.:4.400
## Median :40.19 Median :5.000
## Mean :39.88 Mean :5.082
## 3rd Qu.:41.08 3rd Qu.:5.900
## Max. :44.03 Max. :7.400
## Country: País, seleccione 17 países para llevar a cabo el estudio
-Argentina
-Belize
-Bolivia
-Brasil
-Chile
-Colombia
-Costa Rica
-Ecuador
-El Salvador
-Guatemala
-Honduras
-México
-Nicaragua
-Panamá
-Paraguay
-Perú
-Uruguay
GDP.PC:PIB per Capita
GDP US bill: PIB en dolares
GDP Growth %: Crecimiento del PIB en el último año (2019)
Services % GDP: Porcentaje del PIB proveniente de servicios
Creat Ind %GDP: Porcentaje del PIB proveniente de las industrias creativas
Inflation: Inflación
Unemployment: Tasa de desempleo
% pop below poverty line: Porcentaje de la población por debajo de la línea de pobreza
Internet penetration % population: Penetración de internet en la población
Median Age: Edad media
% pop 25-54: Porcentaje de la población entre 25 y 54 años
Education invest % GDP: Porcentaje del PIB invertido en investigación y educación
Empezamos buscando posibles correlaciones en los datos
newdata <- subset(orangeec, select = c(5,6,10,11,12,13))
pairs(orangeec[,2:6])
pairs(orangeec[,5:10])
pairs(newdata)
cor(orangeec[,2:6], use = "complete.obs")## GDP.PC GDP.US.bill GDP.Growth.. Services...GDP
## GDP.PC 1.00000000 -0.04987362 0.1186869 0.6437520
## GDP.US.bill -0.04987362 1.00000000 -0.5254890 0.2552986
## GDP.Growth.. 0.11868685 -0.52548898 1.0000000 0.2552048
## Services...GDP 0.64375196 0.25529859 0.2552048 1.0000000
## Creat.Ind...GDP 0.26063277 0.24218479 0.3124484 0.2201699
## Creat.Ind...GDP
## GDP.PC 0.2606328
## GDP.US.bill 0.2421848
## GDP.Growth.. 0.3124484
## Services...GDP 0.2201699
## Creat.Ind...GDP 1.0000000cor(orangeec[,5:10], use = "complete.obs")## Services...GDP Creat.Ind...GDP Inflation
## Services...GDP 1.0000000 0.2201699 -0.1985176
## Creat.Ind...GDP 0.2201699 1.0000000 0.1189514
## Inflation -0.1985176 0.1189514 1.0000000
## Unemployment 0.1770322 -0.4188541 0.1418000
## X..pop.below.poverty.line -0.2534107 0.7072581 0.1702550
## Internet.penetration...population -0.1453060 -0.3435164 0.4459355
## Unemployment X..pop.below.poverty.line
## Services...GDP 0.17703222 -0.2534107
## Creat.Ind...GDP -0.41885405 0.7072581
## Inflation 0.14179995 0.1702550
## Unemployment 1.00000000 -0.5693572
## X..pop.below.poverty.line -0.56935718 1.0000000
## Internet.penetration...population -0.02534538 -0.3080290
## Internet.penetration...population
## Services...GDP -0.14530602
## Creat.Ind...GDP -0.34351645
## Inflation 0.44593550
## Unemployment -0.02534538
## X..pop.below.poverty.line -0.30802896
## Internet.penetration...population 1.00000000cor(newdata, use = "complete.obs")## Services...GDP Creat.Ind...GDP
## Services...GDP 1.000000000 0.2201699
## Creat.Ind...GDP 0.220169925 1.0000000
## Internet.penetration...population -0.145306022 -0.3435164
## Median.age 0.356375194 -0.4412121
## X..pop.25.54 0.338980318 -0.1306267
## Education.invest...GDP -0.003218743 -0.1598673
## Internet.penetration...population Median.age
## Services...GDP -0.1453060 0.3563752
## Creat.Ind...GDP -0.3435164 -0.4412121
## Internet.penetration...population 1.0000000 0.3581014
## Median.age 0.3581014 1.0000000
## X..pop.25.54 -0.1824810 0.2667101
## Education.invest...GDP 0.4355714 0.2168221
## X..pop.25.54 Education.invest...GDP
## Services...GDP 0.3389803 -0.003218743
## Creat.Ind...GDP -0.1306267 -0.159867273
## Internet.penetration...population -0.1824810 0.435571370
## Median.age 0.2667101 0.216822054
## X..pop.25.54 1.0000000 0.531343612
## Education.invest...GDP 0.5313436 1.000000000Realizamos estadisticas descriptivas de los datos
library(ggplot2)ggplot()+geom_histogram(data=orangeec,aes(x=GDP.PC), fill = "blue", color="red", binwidth = 2000) + labs(x = "PIB per capita", y = "Cantidad de paises", title = "PIB per capita paises LATAM") + theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())
ggplot()+geom_histogram(data=orangeec,aes(x=Internet.penetration...population), fill = "blue", color ="yellow", binwidth = 5) + labs(x = "Penetración internet (%) población", y = "Cantidad de paises", title = "Penetración internet en países LATAM") + theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())
ggplot()+geom_histogram(data=orangeec,aes(x=Creat.Ind...GDP), fill = "blue", color="red", binwidth = 1) + labs(x = "Aporte economia naranja al PIB (%)", y = "Cantidad de paises", title = "Contribucion Economia Naraja en LATAM") + theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())## Warning: Removed 6 rows containing non-finite values (stat_bin).
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unioneconomy <- mean(orangeec$GDP.PC)
orangeec <- orangeec %>% mutate(Strong_economy = ifelse(GDP.PC<economy,"Por debajo promedio PIB per capita","Sobre promedio PIB per capita"))
ggplot(orangeec, aes(x=Strong_economy, y = Creat.Ind...GDP,fill=Strong_economy)) + geom_boxplot(alpha = 0.4) + labs(x="Tipo de pais", y="Aporte economia naranja al PIB", title = "Aporte economia naranja en PIB paises LATAM con alto y bajo PIB per capita") + theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())## Warning: Removed 6 rows containing non-finite values (stat_boxplot).
ggplot(orangeec, aes(x=Strong_economy, y = Internet.penetration...population,fill=Strong_economy)) + geom_boxplot(alpha = 0.4) + labs(x="Tipo de pais", y="Penetracion de Internet (%)", title = "Penetracion de internet en paises LATAM con alto y bajo PIB per capita") + theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())
El Boxplot indica que los paises sobre el promedio en PIB per cápita tienen una dispersión mucho mas alta en cuanto a los aportes de la economía naranja al PIB del país.
Asi como la dispersión del acceso a internet es mas notable en los paises que estan por debajo del promedio en PIB per cápita.
Crearemos algunos scatters plots para entender mejor las relaciones entre las variables.
library("plotly")##
## Attaching package: 'plotly'## The following object is masked from 'package:ggplot2':
##
## last_plot## The following object is masked from 'package:stats':
##
## filter## The following object is masked from 'package:graphics':
##
## layoutggplot(orangeec,aes(Internet.penetration...population,Creat.Ind...GDP))+geom_point(aes(color = factor(Strong_economy), size = GDP.Growth..)) + labs(x="Penetracion de internet", y = "Aporte Orange Economy al PIB ", title = "Internet y aporte orange economy según economia crecimiento PIB")## Warning: Removed 6 rows containing missing values (geom_point).
ggplot(orangeec,aes(Education.invest...GDP,Unemployment))+geom_point(aes(color = factor(Strong_economy), size = X..pop.below.poverty.line)) + labs(x="Inversion en educacion (%) PIB", y = "Desempleo", title = "Inversion en educacion y desempleo según linea de pobreza y crecimiento PIB")
my_graph <- ggplot(orangeec, aes(Internet.penetration...population, Creat.Ind...GDP, label = row.names(orangeec))) + geom_point() + labs(x = "Penetracion Internet", y = "Aporte economia naranja", title = "Penetracion Internet y aporte economia naranja")
p = ggplotly(my_graph)
plibrary("RColorBrewer")
# Ajustando datos para mejores visualizaciones
orangeec <- orangeec %>%
mutate(Crecimiento_GDP = ifelse(GDP.Growth.. >= 2.5, "2.5 % o mas", "menos de 2.5 %"))
orangeec <- orangeec %>%
mutate(Anaranjados = ifelse(Creat.Ind...GDP > 2.5,
"Mas anaranjados",
"Menos anaranjados"))
#Ranking
orangeec %>%
arrange(desc(Creat.Ind...GDP))## Country GDP.PC GDP.US.bill GDP.Growth.. Services...GDP Creat.Ind...GDP
## 1 Mexico 19900 1149000.0 2.0 64.0 7.4
## 2 Panama 25400 61.8 5.4 82.0 6.3
## 3 Paraguay 9800 29.6 4.3 54.5 4.1
## 4 Argentina 20900 637.7 2.9 60.9 3.8
## 5 Colombia 14500 309.2 1.8 61.4 3.3
## 6 Brazil 15600 2055000.0 1.0 72.8 2.6
## 7 Chile 24500 277.0 1.5 64.3 2.2
## 8 Costa Rica 16900 58.1 3.2 73.5 2.0
## 9 Ecuador 11500 102.3 2.7 56.9 2.0
## 10 Peru 13300 215.2 2.5 56.8 1.5
## 11 Uruguay 22400 58.4 3.1 68.8 1.0
## 12 Belize 8300 1854.0 0.8 62.2 NA
## 13 Bolivia 7500 37.1 4.2 50.0 NA
## 14 El Salvador 8900 28.0 2.4 64.9 NA
## 15 Guatemala 8100 75.7 2.8 63.2 NA
## 16 Honduras 5600 22.9 4.8 57.8 NA
## 17 Nicaragua 5800 13.7 4.9 50.8 NA
## Inflation Unemployment X..pop.below.poverty.line
## 1 6.0 3.6 46.2
## 2 0.9 5.5 23.0
## 3 3.6 6.5 22.2
## 4 25.7 8.1 25.7
## 5 4.3 10.5 28.0
## 6 3.4 11.8 4.2
## 7 2.2 7.0 14.4
## 8 1.6 8.1 21.7
## 9 0.4 4.6 21.5
## 10 2.8 6.7 22.7
## 11 6.2 7.3 9.7
## 12 1.1 10.1 41.0
## 13 2.8 4.0 38.6
## 14 1.0 7.0 32.7
## 15 4.4 2.3 59.3
## 16 3.9 5.9 29.6
## 17 3.9 6.5 29.6
## Internet.penetration...population Median.age X..pop.25.54
## 1 65.0 28.3 40.81
## 2 69.7 29.2 40.35
## 3 89.6 28.2 41.08
## 4 93.1 31.7 39.38
## 5 63.2 30.0 41.91
## 6 70.7 32.0 43.86
## 7 77.5 34.4 43.08
## 8 86.7 31.3 44.03
## 9 79.9 27.7 39.59
## 10 67.6 28.0 40.19
## 11 88.2 35.0 39.34
## 12 52.3 22.7 36.62
## 13 78.6 24.3 37.48
## 14 57.7 27.1 39.23
## 15 42.1 22.1 34.12
## 16 38.2 23.0 36.63
## 17 43.0 25.7 40.24
## Education.invest...GDP Strong_economy Crecimiento_GDP
## 1 5.3 Sobre promedio PIB per capita menos de 2.5 %
## 2 3.2 Sobre promedio PIB per capita 2.5 % o mas
## 3 5.0 Por debajo promedio PIB per capita 2.5 % o mas
## 4 5.9 Sobre promedio PIB per capita 2.5 % o mas
## 5 4.5 Sobre promedio PIB per capita menos de 2.5 %
## 6 5.9 Sobre promedio PIB per capita menos de 2.5 %
## 7 4.9 Sobre promedio PIB per capita menos de 2.5 %
## 8 7.1 Sobre promedio PIB per capita 2.5 % o mas
## 9 5.0 Por debajo promedio PIB per capita 2.5 % o mas
## 10 3.8 Por debajo promedio PIB per capita 2.5 % o mas
## 11 4.4 Sobre promedio PIB per capita 2.5 % o mas
## 12 7.4 Por debajo promedio PIB per capita menos de 2.5 %
## 13 7.3 Por debajo promedio PIB per capita 2.5 % o mas
## 14 3.5 Por debajo promedio PIB per capita menos de 2.5 %
## 15 2.8 Por debajo promedio PIB per capita 2.5 % o mas
## 16 5.9 Por debajo promedio PIB per capita 2.5 % o mas
## 17 4.5 Por debajo promedio PIB per capita 2.5 % o mas
## Anaranjados
## 1 Mas anaranjados
## 2 Mas anaranjados
## 3 Mas anaranjados
## 4 Mas anaranjados
## 5 Mas anaranjados
## 6 Mas anaranjados
## 7 Menos anaranjados
## 8 Menos anaranjados
## 9 Menos anaranjados
## 10 Menos anaranjados
## 11 Menos anaranjados
## 12 <NA>
## 13 <NA>
## 14 <NA>
## 15 <NA>
## 16 <NA>
## 17 <NA>TopNaranjas <- orangeec %>% filter(Country %in% c("Mexico","Panama","Paraguay","Argentina","Colombia","Brazil"))
TopNaranjas %>%
arrange(desc(Creat.Ind...GDP))## Country GDP.PC GDP.US.bill GDP.Growth.. Services...GDP Creat.Ind...GDP
## 1 Mexico 19900 1149000.0 2.0 64.0 7.4
## 2 Panama 25400 61.8 5.4 82.0 6.3
## 3 Paraguay 9800 29.6 4.3 54.5 4.1
## 4 Argentina 20900 637.7 2.9 60.9 3.8
## 5 Colombia 14500 309.2 1.8 61.4 3.3
## 6 Brazil 15600 2055000.0 1.0 72.8 2.6
## Inflation Unemployment X..pop.below.poverty.line
## 1 6.0 3.6 46.2
## 2 0.9 5.5 23.0
## 3 3.6 6.5 22.2
## 4 25.7 8.1 25.7
## 5 4.3 10.5 28.0
## 6 3.4 11.8 4.2
## Internet.penetration...population Median.age X..pop.25.54
## 1 65.0 28.3 40.81
## 2 69.7 29.2 40.35
## 3 89.6 28.2 41.08
## 4 93.1 31.7 39.38
## 5 63.2 30.0 41.91
## 6 70.7 32.0 43.86
## Education.invest...GDP Strong_economy Crecimiento_GDP
## 1 5.3 Sobre promedio PIB per capita menos de 2.5 %
## 2 3.2 Sobre promedio PIB per capita 2.5 % o mas
## 3 5.0 Por debajo promedio PIB per capita 2.5 % o mas
## 4 5.9 Sobre promedio PIB per capita 2.5 % o mas
## 5 4.5 Sobre promedio PIB per capita menos de 2.5 %
## 6 5.9 Sobre promedio PIB per capita menos de 2.5 %
## Anaranjados
## 1 Mas anaranjados
## 2 Mas anaranjados
## 3 Mas anaranjados
## 4 Mas anaranjados
## 5 Mas anaranjados
## 6 Mas anaranjadosggplot(TopNaranjas, aes(x = Internet.penetration...population, y = Services...GDP, size = GDP.PC))+
geom_point() +
facet_wrap(~Country)
ggplot(TopNaranjas, aes(x = Education.invest...GDP, y = Creat.Ind...GDP, size = Unemployment))+
geom_point() +
facet_wrap(~Country)
myColors <- brewer.pal(6,"Reds")
ggplot(TopNaranjas, aes(x = Internet.penetration...population, y = GDP.PC, fill = Creat.Ind...GDP))+
geom_tile() +
facet_wrap(~Country) +
scale_fill_gradientn(colors = myColors)
Con este análisis exploratorio podemos observar a mayor profundidad las relaciones entre las variables y procedere a concretar en análisis estadistico